如何用R的PDE包从PDF中提取指定标题的单张表格？

可以只提取目标表格，给你两种实用方案：

方案一：用PDE_pdfs2table_searchandfilter精准匹配 #

之前提取出大量表格大概率是因为关键词匹配太宽泛，加上精确匹配参数就能锁定目标表格：

library(PDE)
# 精准定位目标表格
target_table <- PDE_pdfs2table_searchandfilter(
  pdf = 'GPI-2023-Web.pdf',
  searchString = 'Table 1.1: Safety and Security domain',
  exact = TRUE,       # 开启精确匹配，完全匹配标题
  caseSensitive = TRUE # 保持大小写一致，避免误匹配类似标题
)
# 将提取到的表格保存为CSV
if(length(target_table) > 0) {
  write.csv(target_table[[1]], "target_table.csv", row.names = FALSE)
}

方案二：先全提再筛选（更稳妥） #

如果第一种方案还是有问题，先提取所有表格及元信息，再手动筛选目标表格：

library(PDE)
# 提取所有表格，同时返回表格的元数据（含标题）
all_tables <- PDE_pdfs2table(pdf = 'GPI-2023-Web.pdf', returnInfo = TRUE)
# 找到标题完全匹配的表格索引
target_index <- which(sapply(all_tables$info, function(table_meta) {
  table_meta$tableName == 'Table 1.1: Safety and Security domain'
}))
# 提取并保存目标表格
if(length(target_index) > 0) {
  target_table <- all_tables$tables[[target_index]]
  write.csv(target_table, "target_table.csv", row.names = FALSE)
}

内容的提问来源于stack exchange，提问作者Gopala